资源介绍
视频数量：12个
总时长：10小时46分
课程介绍：
深入理解AI算法
你有没有想过，现在无处不在的AI工具，它们到底是怎么工作的？当你向ChatGPT提问，它是怎么"想"出答案的？Stable Diffusion是怎么从一段文字描述生成一张图片的？这些看似神奇的能力，背后其实是一套套精妙的算法在运转。
这本书就是要帮你打开这个黑盒子。不是肤浅地教你调API，而是真正让你理解AI从哪儿来、靠什么运转、未来又会往哪儿去。
课程从最基础的东西讲起。你会先搞清楚什么是人工智能，它的边界在哪里，有哪些核心概念是绕不开的。有了这个基础，后面学什么都会顺畅很多。
然后进入搜索算法。听起来好像很低级？但这其实是AI最早也是最核心的课题之一。计算机下棋为什么能赢人类？怎么让机器在一堆乱七八糟的可能性里找到最优解？第二章会教你基础的搜索方法，告诉你搜索问题的本质是什么，怎么把你的问题转化成搜索算法能处理的形式。
第三章更进一步，介绍各种"聪明"的搜索策略。比如A*算法是怎么用启发式信息加速搜索的，什么时候该用什么搜索方法，怎么避免在搜索过程中走进死胡同。这些技巧在游戏开发、路径规划、问题求解这些场景里用得特别多。
第四第五章转向进化算法。这个思路很独特：与其让算法按部就班地找最优解，不如模拟生物进化的过程——随机生成一批解，让它们互相竞争、变异、杂交，一代一代筛选下去，最后留下来的就是优秀的解。蚁群算法、遗传算法都属于这个范畴。第五章会讲更高级的技巧，让这些算法在更复杂的问题上也能高效运作。
第六第七章讲群体智能。你有没有见过蚂蚁找食物？单只蚂蚁其实很笨，但一群蚂蚁协作起来就能找到最短路径。粒子群优化算法也是类似的思路——每个"粒子"在解空间里飞舞，同时受到自己历史最佳位置和全局最佳位置的影响，慢慢地整个群体就会聚集到最优解附近。这两种算法在优化问题上特别有用。
第八章开始正式进入机器学习。你会了解到机器学习到底在学什么，分类、回归、聚类这些问题有什么区别，模型是怎么从数据里"学"出规律的。这一章会给你建立一个清晰的框架，让后面学具体算法的时候不会迷失。
第九章讲人工神经网络。从最简单的神经元模型开始，一层一层搭起来，最后形成能处理复杂任务的深度网络。你会明白为什么神经网络需要那么多层，激活函数是干什么的，训练的时候到底在调整什么。
第十章是强化学习。这个领域这几年火得不行，因为AlphaGo就是靠它。强化学习研究的是智能体怎么在环境中试错、积累经验、学会做决策。你会学到Q-learning、策略梯度这些核心方法，理解为什么让AI自己和自己下棋能不断提升水平。
第十一第十二章带你走到最前沿。大语言模型为什么突然变得这么强？ChatGPT背后的Transformer架构是怎么回事？生成式图像模型是怎么从噪声里"变"出逼真图片的？这两章会帮你建立对这些最前沿技术的直觉，理解它们的原理和局限。
学完这门课，你收获的不只是几个算法的用法，而是整个AI领域的知识地图。你会知道哪些问题该用什么方法，哪些坑要避开，遇到新问题也能更快找到方向。不管你是想转行AI，还是已经在用AI工具想搞懂原理，这门课都会给你扎实的底气。